發(fā)布時間：2020-11-15 16:43

【摘要】：在醫(yī)學檢驗科,外周血細胞檢測(血常規(guī))作為一種采樣方便、檢測準確的檢測方法,一直對疾病判斷有著非常重要的意義。外周血細胞檢測主要通過識別血液中各類細胞、并計算各類細胞的比例是否在正常范圍內(nèi),從而判斷被檢測者是否患有某種疾病。不同的血細胞檢查結果揭示了多種重要的血液病原理。在醫(yī)學圖像處理領域,隨著成像技術的極大進步,用計算機圖形學輔助醫(yī)學診斷成為一大趨勢,一方面,成像技術的發(fā)展帶來了海量的醫(yī)學數(shù)據(jù),另一方面,計算機圖形學輔助診斷可以生成血液樣本的圖像,帶來更精確、更高效的診斷結果�？傊�,如何將深度神經(jīng)網(wǎng)絡應用到醫(yī)學檢測上,將計算機拍出的血液樣本圖片用深度神經(jīng)網(wǎng)絡進行分類和計數(shù),代替醫(yī)生的手動操作成為一個廣泛關注的熱點課題。本課題與南京市鼓樓醫(yī)院合作,在醫(yī)學檢驗科采集臨床外周血細胞顯微圖像,建立外周血細胞數(shù)據(jù)集。本課題采用深度學習的方法對外周血血細胞進行分類和計數(shù)研究。主要研究內(nèi)容包括:1、在分析了外周血細胞圖像的采集難點后,建立了自己的血細胞數(shù)據(jù)集,這套數(shù)據(jù)集從實際入手,分類完備,比現(xiàn)有的5類白細胞數(shù)據(jù)集多出4類,為后續(xù)的分類和計數(shù)研究奠定了基礎。2、針對數(shù)據(jù)集類間數(shù)據(jù)量不平衡的問題,做了數(shù)據(jù)增強并隨機采樣訓練集。針對細胞類間特征差異過小的情況,設計出一種新的數(shù)據(jù)增強方法,加大差異間的采樣頻率,將測試準確率提高至99%。3、根據(jù)紅細胞計數(shù)的研究現(xiàn)狀,從圖像處理入手,采用基于卷積神經(jīng)網(wǎng)絡的計數(shù)方法,結合特征金字塔(FPN)和深度殘差網(wǎng)絡ResNet,將紅細胞計數(shù)的準確率提高至97.5%。本課題基本完成了血細胞的分類和計數(shù)工作,解決了細胞類間相似度過高引起的分類困難問題,并且涵蓋了外周血中幾乎所有影響疾病判斷的細胞類型。該研究極大地節(jié)約了人力成本,并為后續(xù)的研究奠定了基礎。
【學位授予單位】：南京大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP391.41;R446.1
【圖文】：

圖１．１流式細胞計（左）細胞分析儀（右）（摘自［７４］）??ｎｒ??獲取ｉｆｉｌ液樣本??血液分折儀??Ｎｏ??——??｜?Ｙｅｓ??流式細胞計??�。伲澹�??人．１．檢測??得?ｌ?ｌ?ｉ＾ｉ?論?ｆ???圖１．２傳統(tǒng)血檢流程圖??深度學習是機器學習研宄中的一個新領域，深度神經(jīng)網(wǎng)絡模型是指一個多層??連接的人工神經(jīng)元網(wǎng)絡，這個網(wǎng)絡能夠從觀測數(shù)據(jù)中進行特征提取，學習數(shù)據(jù)特??征之間的復雜關系［６］。模型通常采用非線性單元，用多層結構來表達不同層次的??特征。層數(shù)越高，表達的特征越抽象。提取的特征隨后傳遞給分類器。深度神經(jīng)??網(wǎng)絡通過觀察各種輸入數(shù)據(jù)來學習，并在分類相應的標簽時最小化錯誤［７］。??在醫(yī)學圖像處理領域，隨著成像技術的極大進步，用計算機圖形學輔助醫(yī)學??診斷成為一大趨勢，一方面，成像技術的發(fā)展帶來了海量的醫(yī)學數(shù)據(jù)，另一方面，??計算機圖形學輔助診斷可以生成血液樣本的圖像

在找到初始位置后，將蛇放入圖像中并執(zhí)行最小化過程。當收斂時，??每個輪廓的內(nèi)部被視為一個白細胞。為了找到核區(qū)域，改變了能量泛函的約束條??件。在前面的步驟中，最初的蛇被選擇為細胞的輪廓。這個過程如圖１．３所示（摘??自［１７］）。我為了達到分類的目的，該算法提取了各種基于形狀和紋理的特征。??支持向量機（ＳＶＭ）分類器在大多數(shù)情況下都能獲得最佳效果。??（ａ）原始圖像?（ｂ）二值化??（ｃ）填充／裁剪?（ｄ）初始位置??（ｅ）初始輪廓?（ｆ）?Ｍ終輪廓??圖１．３分割步驟示意圖（摘自［１７］）??Ｗａｎｇ?Ｓｈｉｔｏｎｇ等［１８］提出了一種基于模糊細胞神經(jīng)網(wǎng)絡（ＦＣＮＮ）的檢測方法。??在這種檢測技術中，先對ＲＧＢ圖像的三個通道用金字塔法單獨壓縮，然后取細??胞質(zhì)的平均灰度值作為閾值，進行二值分割，然后進行腐蝕或膨脹。這樣可以確??定細胞核的位置。接著使用正確的窗口大小來檢測白細胞。??４??

?（聚類）?應對環(huán)境??圖２．１機器學習分類??１、監(jiān)督學習（ｓｕｐｅｒｖｉｓｅｄ?ｌｅａｒｎｉｎｇ）??監(jiān)督學習??ＡＡ??ｘ２?ｏ?ＡＡ??〇〇??〇???？??ｘｉ??圖２．２監(jiān)督學習示意圖??監(jiān)督學習是從監(jiān)督訓練數(shù)據(jù)中推斷函數(shù)的機器學習任務。訓練數(shù)據(jù)由一組己??標記的數(shù)據(jù)組成。例如，對數(shù)字的識別中，標記“０”、“１”、“２”等；對花朵種類??的識別，標記“玫瑰”、“月季”、“山茶”等。在訓練數(shù)據(jù)中，每種類別的數(shù)量最好??大致相等，并且樣本數(shù)量足夠多。監(jiān)督學習算法分析訓練數(shù)據(jù)并生成一個推斷函??１０??
【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 涂開成;李盈祺;葉常青;;骨髓型急性放射病血細胞計數(shù)時間動態(tài)曲線的定量分析[J];軍事醫(yī)學科學院院刊;1988年02期

2 王素欽,王秀英,趙堂富;小鼠骨髓和周圍血細胞值與鼠齡性別的關系[J];動物學雜志;1989年06期

3 李丕鵬;何國湘;張育輝;王子浩;;大鯢的血液學觀察[J];陜西師大學報(自然科學版);1989年03期

4 昝海波;;基層醫(yī)院血細胞自動儀使用情況的調(diào)查[J];實用醫(yī)技雜志;2006年13期

5 張文閣;劉俊杰;;血細胞計數(shù)分析用國家標準物質(zhì)的研制[J];中國粉體技術;2009年06期

6 吳明瑋;曾昭蕾;孫健;郭靈;邱枋;冼勵堅;;鼻咽癌患者外周血細胞計數(shù)的晝夜節(jié)律[J];中國輸血雜志;2008年01期

7 趙根成,王玉忠;慢性肝病肝纖維化程度與周圍血細胞計數(shù)的關系[J];中原醫(yī)刊;2005年11期

8 孫大椿,阮杏珍;全自動血細胞計數(shù)分析儀之評估[J];空軍醫(yī)高專學報;1995年03期

9 張淳;湛疆;孫家忠;;甲狀腺功能減退癥患者的血細胞計數(shù)及紅細胞變化的臨床意義[J];醫(yī)學研究雜志;2015年02期

10 程大林;吳嘯天;;重慶市主城區(qū)中老年人靜脈血血細胞計數(shù)參考區(qū)間的調(diào)查分析[J];重慶醫(yī)學;2014年09期

中國博士學位論文全文數(shù)據(jù)庫 前2條

1 戴春妮;高光譜顯微圖像的特征提取與分類方法及其應用研究[D];華東師范大學;2009年

2 廖庚進;肝卵圓細胞在燒傷后的增殖狀況及其對放射性多臟器傷的作用[D];昆明醫(yī)科大學;2012年

中國碩士學位論文全文數(shù)據(jù)庫 前9條

1 洪羽萌;外周血細胞分類與計數(shù)在深度學習中的應用[D];南京大學;2019年

2 謝登玲;低成本、自動化血檢系統(tǒng)的搭建與研究[D];中國科學技術大學;2017年

3 張高群;過表達jumu基因?qū)壧烊幻庖叩挠绊慬D];東北林業(yè)大學;2017年

4 雷霞;基于FPGA的血細胞脈沖信號識別算法的研究與實現(xiàn)[D];浙江工業(yè)大學;2011年

5 蘇凱;基于關聯(lián)規(guī)則和聚類的數(shù)據(jù)挖掘在臨床檢驗信息系統(tǒng)中的應用研究[D];第一軍醫(yī)大學;2005年

6 尹曦;參芪扶正注射液減輕肺癌化療后副反應的臨床觀察[D];山東中醫(yī)藥大學;2011年

7 許志偉;自動血細胞計數(shù)器技術的研究[D];中國人民解放軍軍事醫(yī)學科學院;2004年

8 丁翠;CXCR4在再生障礙性貧血患者骨髓細胞中的表達及其與外周血細胞的關系[D];山西醫(yī)科大學;2017年

9 張志龍;飼用復合酶制劑對肉雞生產(chǎn)性能影響的研究[D];湖南農(nóng)業(yè)大學;2006年

本文編號：2884975